PDF の重複ページを削除

機能

• 文字内容で重複ページを検出し、最初に現れたものを残します
• 結果に 1 ページずつ表示：何ページ目を削除し、何ページ目と重複していたか
• テキスト層のないページ（スキャン・全ページ画像）は比較対象外としてそのまま残し、別途説明します
• 全体がスキャンの場合は「比較できない」と明示します。「重複なし」の一言では終わりません
• ページ順は崩れません —— 重複を除いた残りは元の相対順序を保ちます
• 元のファイルは変更しないので、誤って削除してもやり直せます
• ファイルは送信されず、サーバーも経由しません

使い方

1. 整理したい PDF をドロップします
2. 1 ページずつ文字を抽出して比較し、削除したページを結果に示します
3. その一覧を確認し、本当に重複だったかを確かめます
4. 結果をダウンロードします。誤って削除されていたら、元のファイルを開いてやり直してください

よくある質問

2 ページが重複していると、どう判断していますか？

各ページのテキスト層を抽出し、連続する空白を正規化してから比較します。文字が完全に同じなら重複とし、最初に現れたページを残します。空白の正規化は必要です —— 同じ文章でも 2 回書き出すとインデントや空行が変わり、正規化しないと見落とします。逆に大文字小文字と句読点は正規化しません —— それは内容の一部であり、`Hello` と `hello` は同じページではありません。

スキャンした PDF で 1 ページも削除されないのはなぜですか？

このツールは文字で判断するためです。スキャンにはテキスト層がありません（各ページが 1 枚の画像で、検索できる文字が入っていません）。テキスト層のないページは「比較できない」ものとしてそのまま残します。半分以上がそのような場合、ツールは「重複なし」ではなく「比較できない」と明示します —— 後者は見てもいないものについて断定的な結論を出すことになり、嘘になります。スキャンに対応するにはページ画像の比較が必要で、それは別のツールです。

削除すべきでないページを消してしまうことはありますか？

可能性はあります。だからこそ削除したページを 1 ページずつ一覧に出します。判定は文字だけで、組版は見ません。文字がたまたま同じで、組版や画像が違うページ（同じ免責事項に別の写真が付いているなど）は重複と判定されます。「見た目が同じ」と「削除すべき」は別です —— 契約書の複数の白紙ページや書籍の繰り返し章は意図的なことがあります。結果を使う前に一覧を確認してください。元のファイルは変更しないので、間違えても開き直すだけです。

どちらが残りますか？

最初に現れたページです。結合による重複は「同じ資料を 2 回取り込んだ」ことが多く、先に現れたほうは前段の文書にあり、位置として自然です。後のほうを残すと、途中に来るべきページが後ろへ移動してしまいます。

「PDF ページ整理」との違いは？

あちらはページ番号で削除します —— 何ページ目を消すか分かっているときに使います。こちらはどのページが重複しているかを自分で探します —— 分からない、または 1 ページずつ見るのが面倒なときに使います。どちらもページを削除できますが、違いは決定権が誰にあるかです。こちらはツールが判断するので、一覧の確認がいっそう重要になります。スキャナで入った白紙を消すのはどちらでもできますが、ページ番号で指定する「ページ整理」のほうが正確です。